10月15日、startuphub.aiが「Huang: AI needs a billion times more compute」と題した記事を公開した。NvidiaのJensen HuangがAI推論・エージェント時代に必要とされる計算量の規模感と、今後の産業の方向性について語った内容をまとめたものだ。
「止まれば負け」——Huangが語る計算需要の現実
HuangはBg2 Podのポッドキャストに3度目の出演を果たし、冒頭から「existential issue（存亡にかかわる問題）」という言葉を使った。機能性、能力、安全性、セキュリティがすべて同じ地点に収束しており、今止まれば負けるというのが彼の立場だ。
ホストの投資家Brad GerstnerとBill Gurleyは、Huangの過去の発言の精度を確認した。元記事によれば、Huangは約2年前（2024年頃）にAIインフラへの累積投資額が市場予測の1兆ドルではなく2兆ドル以上になると主張し、推論時の計算量は推論ステップの増加（reasoning at inference time）によって10億倍規模に膨れ上がると予測した。約1年前（2025年頃）には、エージェントの本格普及——たとえばClaude Codeのような開発者向けエージェントが広がる前——に「エージェントの時代が来る」と発言していたという。
Huangはこれら両方の予測が的中したと主張し、その論理は今も変わっていないと述べた。すなわち、「考えて問題を解く」作業は、記憶したテキストを吐き出すより多くの推論ステップを必要とする。モデルが実際に仕事を任せられるほど有能になるにつれ、利用量と計算需要は複利的に積み上がる、という構造だ。
ナビエ・ストークス方程式とシンギュラリティ論への反論
Elon Musk、Sam Altman、Demis Hassabisらが「シンギュラリティの入り口に差し掛かっている」と発言し、AIモデルがナビエ・ストークス方程式（流体の運動を記述する偏微分方程式系で、流体力学の根幹をなす）を解いたという話が業界で広まっている。元記事では文脈として、OpenAIとAnthropicそれぞれが約2〜3ギガワット規模のデータセンターインフラを運用しているという数値が言及されており、その計算規模を前提とした議論として紹介されている。
Huangはこの方向性自体は否定しなかったが、メカニズムを修正した。OpenAIがナビエ・ストークスを「ゼロから」解いたわけではなく、膨大な数学・科学の蓄積を土台にして、解空間の徹底的な探索を行った結果だと指摘する。突然のブレークスルーに見えるものでも、その裏には大量のインテリジェンスと計算が積み重なっているという主張だ。
LLMの「ハーネス」という概念
Huangが今年のAI進化を語る上で使ったのが「harness（ハーネス）」あるいは「exoskeleton（外骨格）」という比喩だ。LLM本体のスケーリングは続きつつも、その周囲に以下を管理する層が形成されているという：
- ワーキングメモリ、短期・長期メモリ
- 知識グラフの生成
- ツール使用（tool use）
このハーネスによって、エージェントは企業のデータや既存ツール——Spice、Verilog、シミュレーター、Photoshop、AutoCAD、Siemensのソフトウェアなど——に接続できる。
コーディングが最初のユースケースになったのは、「顧客もツールも摩擦を許容できたから」だとHuangは述べた。次の段階として彼が指摘するのはデザインとクリエイティブ領域だ。具体例として挙げられたのが「Astra」を使ったエージェントだ。AstraはGoogle DeepMindが開発するProject Astra——カメラやマイクを通じてリアルタイムに環境を認識・操作支援するマルチモーダルエージェント基盤——を指しており、CADで編集可能な形式に写真を再構築するユースケースが示された。エージェントが「最初の実装」を生成し、人間がそれを調整するというワークフローだ。
エンジニアが押さえるべき論点
Huangの発言を整理すると、エンジニアリング観点での含意は以下に集約される：
- 推論コストは下がらない：scaling則の終焉論に対し、Huangは「thinking（推論）の需要が計算を増やし続ける」という反論を維持している
- エージェントの競争優位は接続性：ハーネスによるツール統合が差別化要因になるという見立て
- 次の主戦場はCAD・設計領域：コーディングの次に来る垂直統合の波をHuangはここに置いている
詳細はHuang: AI needs a billion times more computeを参照していただきたい。
